最近我们被客户要求撰写关于鸢尾花iris数据集的研究报告,包括一些图形和统计输出。
本练习问题包括:使用R中的鸢尾花数据集
(a)部分:k-means聚类
使用k-means聚类法将数据集聚成2组。
画一个图来显示聚类的情况
使用k-means聚类法将数据集聚成3组。
画一个图来显示聚类的情况
(b)部分:层次聚类
使用全连接法对观察值进行聚类。
使用平均和单连接对观测值进行聚类。
绘制上述聚类方法的树状图。
使用R中的鸢尾花数据集k-means聚类
讨论和/或考虑对数据进行标准化。
在这种情况下,我们将标准化数据,因为花瓣的宽度比其他所有的测量值小得多。
向下滑动查看结果▼
使用k-means聚类法将数据集聚成2组
使用足够大的nstart,更容易得到对应最小RSS值的模型。
向下滑动查看结果▼
画一个图来显示聚类的情况
为了更好地考虑花瓣的长度和宽度,使用PCA首先降低维度会更合适。
为了更好地解释PCA图,考虑到主成分的方差。
数据中80%的方差是由前两个主成分解释的,所以这是一个相当好的数据可视化。
向下滑动查看结果▼
使用k-means聚类法将数据集聚成3组
在之前的主成分图中,聚类看起来非常明显,因为实际上我们知道应该有三个组,我们可以执行三个聚类的模型。
向下滑动查看结果▼
画一个图来显示聚类的情况
向下滑动查看结果▼
PCA图
为了更好地考虑花瓣的长度和宽度,使用PCA首先减少维度是比较合适的。
01
02
03
04
PCA双曲线图
萼片长度~萼片宽度图的分离度很合理,为了选择在X、Y上使用哪些变量,我们可以使用双曲线图。
这个双曲线图显示,花瓣长度和萼片宽度可以解释数据中的大部分差异,更合适的图是:
评估所有可能的组合。
向下滑动查看结果▼
层次聚类
使用全连接法对观测值进行聚类。
可以使用全连接法对观测值进行聚类(注意对数据进行标准化)。
向下滑动查看结果▼
使用平均和单连接对观察结果进行聚类。
向下滑动查看结果▼
绘制预测图
现在模型已经建立,通过指定所需的组数,对树状图切断进行划分。
向下滑动查看结果▼
绘制上述聚类方法的树状图
对树状图着色。
向下滑动查看结果▼